機械換気を受ける新生児における人工呼吸器関連肺炎の早期かつ正確な診断のための深層学習モデル
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：Deep learning models for early and accurate diagnosis of ventilator-associated pneumonia in mechanically ventilated neonates.
雑誌名：Comput Biol Med. 2025 May; 189: 109942.
概 要：
本研究は、人工呼吸器関連肺炎（VAP）の疑いがある重症新生児の早期かつ正確な診断を支援するために、深層学習（DL）手法が有用であるかを検討しました。台湾の新生児集中治療室（NICU）で670人の機械換気を受ける新生児を対象に、画像データを収集し、VAP診断の予測能力を評価しました。DL手法の精度や感度、特異度などを比較し、臨床的な意思決定に役立つ可能性を示しました。
方 法：
2017年10月から2022年3月までの間に、台湾の三次医療機関のNICUで670人の機械換気を受ける新生児を前向きに観察しました。VAPが疑われる新生児を対象に、900枚の胸部X線画像を収集し、さまざまなDL手法を用いてVAP診断の予測能力をテストしました。主要評価指標には、精度、適合率、感度、特異度、F1スコア、曲線下面積（AUC）を使用しました。
結 果：
670人の新生児から得られた900枚の胸部X線画像のうち、399枚は厳密な基準に基づくVAPの確定診断を受けた患者から、501枚はVAPのない新生児から収集されました。従来のDNNモデルと比較して、RegNetX80は特異度0.8378を達成し、低い偽陽性率を実現しました。ResNet50とRegNetX80の組み合わせモデルは、機械換気を受ける新生児のVAP診断においてAUCを0.8023に向上させました。
結 論：
深層学習手法は、NICUにおける胸部X線画像を用いたVAP診断において良好な予測精度を示し、重症新生児に対する経験的抗生物質の選択において臨床医の意思決定を支援する可能性があります。今後の前向き試験が、臨床的有用性や医療資源の削減に寄与することを文書化することが求められます。